Kỹ năng thực thi nhận thức

Cogniexec (ClawHub) Cogniexec (SkillHub)

Bộ công cụ nhận thức (tư duy) + khung thực thi lập trình (viết mã), bao phủ các tác vụ liên quan đến tư duy và thực thi mã.

Tất cả các loại thao tác — tạo mã, gọi công cụ, sử dụng kỹ năng plugin, đầu ra nhận thức thuần túy — đều được xử lý như một nguyên tử thống nhất, có thể được tổ hợp linh hoạt bởi động cơ sắp xếp để tạo chuỗi thực thi phức tạp.

Tổng quan kiến trúc

                    ┌─────────────────────────────────┐
                    │          Yêu cầu người dùng         │
                    └──────────────┬──────────────────┘
                                   ↓
                    ┌──────────────────────────────────┐
                    │        Bộ định tuyến nhiệm vụ       │
                    │  Xác định loại nhiệm vụ → Chọn lớp thực thi │
                    └──────┬──────────────────┬────────┘
                           ↓                  ↓
              ┌────────────┐              ┌──────────────┐
              │  Lớp nhận thức│              │  Lớp thực thi lập trình│
              └────────────┘              └──────────────┘
              Mô hình ngôn ngữ lớn            Ngôn ngữ lớn + công cụ thực thi lệnh
                                          thực thi
                           ─────────────────────────────────
                    ┌──────────────────────────────────┐
                    │        Động cơ sắp xếp             │
                    │  Kết hợp bất kỳ nguyên tử nào từ hai lớp  │
                    │  thành chuỗi thực thi              │
                    └──────────────────────────────────┘

Hai lớp này có ưu điểm riêng, chọn lớp phù hợp dựa trên loại thao tác chính trong nhiệm vụ:

• Chủ yếu nhận thức → Lớp nhận thức (bộ gợi ý mô hình + ngôn ngữ lớn)
• Chủ yếu thực thi mã → Lớp thực thi lập trình (ngôn ngữ lớn + công cụ thực thi lệnh)

Nhiệm vụ siêu cấp (chéo lớp, nhiều bước, sắp xếp phức tạp) → Động cơ sắp xếp điều phối các nguyên tử từ hai lớp để tạo chuỗi thực thi.

Bộ định tuyến nhiệm vụ

Sau khi tải kỹ năng này, hệ thống tự động xác định loại nhiệm vụ và chọn lớp thực thi theo logic sau:

Nhận yêu cầu người dùng
    │
    ├─ Có nhiều loại thao tác hoặc quá nhiều bước? ──→ Động cơ sắp xếp
    │   (kết hợp chéo lớp, chuỗi lệnh, quy trình tự động...)
    │
    ├─ Cần viết mã hoặc chạy kịch bản? ──→ Lớp thứ hai: khung thực thi
    │   (xử lý dữ liệu, thao tác tệp, gọi API, xây dựng ứng dụng...)
    │
    └─ Phân tích/tư duy/sáng tạo? ──→ Lớp thứ nhất: bộ công cụ nhận thức
        (viết, phân tích, suy luận, lên kế hoạch, dịch thuật, tổng hợp...)

Nhiệm vụ hỗn hợp (ví dụ: "viết kịch bản xử lý ảnh hàng loạt rồi tạo báo cáo"):

1. Dùng lớp đầu tiên để lên kế hoạch
2. Sau đó dùng lớp thứ hai để viết kịch bản thực thi

Lưu ý: Hai lớp và động cơ có thể kết hợp tự do, không nhất thiết phải lựa chọn một trong hai. Bộ định tuyến chỉ là điểm khởi đầu mặc định, có thể chuyển lớp khi cần thiết.

Động cơ sắp xếp

Kết hợp tất cả các nguyên tử từ hai lớp thành các phần tử cơ bản, tạo chuỗi thực thi cho các nhiệm vụ cực kỳ phức tạp và nhiều bước.

Định nghĩa nguyên tử

Mọi hành động thực thi đều là nguyên tử cơ bản, gồm bốn loại:

Giao thức sắp xếp

Dựa trên cơ chế "chia nhỏ nhiệm vụ phức tạp thành các bước đơn giản rồi giao cho nguyên tử thực thi", mở rộng thành giao thức sắp xếp đa bước đầy đủ:

1. Phân giải
   Mô hình ngôn ngữ chia nhỏ nhiệm vụ người dùng thành chuỗi nguyên tử có thứ tự.
   Mỗi nguyên tử ghi rõ loại (mã/công cụ/plugin/nhận thức) và đầu ra mong đợi.

2. Lập kế hoạch
   Xác định mối quan hệ phụ thuộc và luồng dữ liệu giữa các nguyên tử.
   Đầu ra của nguyên tử trước có thể làm đầu vào cho nguyên tử sau.

3. Thực thi
   Thực hiện từng nguyên tử theo trình tự, kiểm tra đầu ra có đúng như mong đợi hay không.
   Sau mỗi nguyên tử, mô hình ngôn ngữ quyết định xem có cần điều chỉnh bước tiếp theo hay không.

4. Sửa lỗi
   Khi một nguyên tử thất bại, mô hình phân tích nguyên nhân,
   chọn: thử lại nguyên tử hiện tại / thay thế bằng nguyên tử tương đương / điều chỉnh kế hoạch / dừng và báo cáo.

5. Tống hợp
   Sau khi tất cả nguyên tử hoàn thành, tổng hợp toàn bộ kết quả thành đầu ra dễ hiểu cho con người.

Quy tắc sắp xếp

• Ưu tiên sử dụng mô hình ngôn ngữ lớn: Nếu có thể giải quyết bằng nguyên tử đầu ra nhận thức thì không tạo mã; nếu chỉ cần một lệnh đơn thì không viết kịch bản.
• Quy tắc an toàn: Mỗi nguyên tử trong chuỗi đều chịu sự ràng buộc của cơ chế an toàn lớp thứ hai, các hành động nguy hiểm phải được xác nhận bởi người dùng.
• Chèn thông tin trung gian: Có thể chèn nguyên tử đầu ra nhận thức giữa các bước để đánh giá (ví dụ: "phân tích đầu ra bước trước để quyết định bước tiếp theo").
• Chi nhánh điều kiện: Hỗ trợ logic "nếu... thì..." — mô hình ngôn ngữ chọn nguyên tử tiếp theo dựa trên kết quả trung gian.
• Vòng lặp lặp lại: Hỗ trợ logic "lặp lại cho đến khi..." — mô hình ngôn ngữ kiểm tra điều kiện và điều khiển vòng lặp.
• Thực thi song song: Các nguyên tử không phụ thuộc có thể chạy đồng thời để giảm thời gian tổng thể.
• Khả năng tạm dừng và phục hồi: Nhiệm vụ dài có thể đặt điểm kiểm tra, hỗ trợ phục hồi từ điểm ngắt.

Ví dụ sắp xếp

Ví dụ 1: Quy trình xử lý dữ liệu (kết hợp hai lớp)

Nhiệm vụ: "Đọc tệp CSV, làm sạch dữ liệu, tạo báo cáo thống kê, lưu dưới dạng Excel"
Chuỗi nguyên tử:
  [Nhận thức] Phân tích cấu trúc CSV, lên kế hoạch làm sạch         ← Lớp thứ nhất
  [Mã] Kịch bản Python đọc và làm sạch dữ liệu                   ← Lớp thứ hai
  [Mã] Tạo báo cáo thống kê và xuất Excel                        ← Lớp thứ hai
  [Công cụ] Lưu tệp vào desktop                                 ← Nguyên tử công cụ

Ví dụ 2: Luồng phân tích nghiên cứu (nhận thức + công cụ + mã)

Nhiệm vụ: "Khám phá ba bài báo, tạo bảng so sánh, sau đó vẽ biểu đồ trực quan"
Chuỗi nguyên tử:
  [Công cụ] Tìm kiếm và lấy nội dung ba bài báo                     ← Nguyên tử công cụ
  [Nhận thức] Trích xuất điểm chính của từng bài báo               ← Lớp thứ nhất
  [Nhận thức] So sánh, phân tích điểm tương đồng và khác biệt      ← Lớp thứ nhất
  [Công cụ] Tạo bảng Markdown so sánh                              ← Nguyên tử công cụ
  [Mã] Viết kịch bản Python vẽ biểu đồ và thực thi                 ← Lớp thứ hai

Lớp thứ nhất: Bộ công cụ nhận thức

Bốn kiểu xử lý tư duy, bao phủ mọi nhiệm vụ nhận thức. Chọn mô hình phù hợp theo tính chất nhiệm vụ. Nếu không chỉ định, mặc định sử dụng mô hình trực tiếp.

Mô hình trực tiếp (thực thi chính xác nhiệm vụ đã nêu)

Đợi lệnh từ người dùng: thực hiện nhiệm vụ đơn giản bằng cách áp dụng các nguyên tử xử lý đầu vào đầu ra, nhiệm vụ phức tạp được chia nhỏ thành các bước đơn giản rồi giao cho nguyên tử thực thi. Mặc định không hiển thị chi tiết xử lý đầu vào đầu ra nhưng người dùng có thể yêu cầu hiển thị. Ưu tiên sử dụng mô hình ngôn ngữ lớn để hoàn thành nhiệm vụ, không cần thiết không gọi công cụ hoặc plugin, chỉ sử dụng chúng khi cần thiết.

Phạm vi nguyên tử: "Nguyên tử" ở đây không chỉ là đầu ra nhận thức, mà bao gồm cả bốn loại nguyên tử được định nghĩa trong động cơ sắp xếp — mã thực thi, gọi công cụ, plugin kỹ năng, đầu ra nhận thức. Mô hình ngôn ngữ sẽ đưa vào chuỗi thực thi bất kỳ loại nguyên tử nào phù hợp với nhiệm vụ.

Ứng dụng: Người dùng có mục tiêu rõ ràng, cần thực thi chính xác. Ví dụ: dịch thuật, tóm tắt, chuyển đổi định dạng, phân tích dữ liệu, viết tài liệu, quy trình tự động, nhiệm vụ đa lớp nhiều bước.

Mô hình cải tiến (tối ưu hóa phương án hiện tại)

Sinh ra phương án mới theo nhu cầu, chọn khung nguyên lý sáng tạo: nguyên lý cơ bản, tư duy ngược, tổng hợp biện chứng, ngẫu nhiên hóa, phát sinh, tiến hóa, động lực hệ thống, ràng buộc, kể chuyện và trò chơi.

Ứng dụng: Tối ưu hóa/phân tích/cải tiến phương án hiện tại. Ví dụ: tái cấu trúc mã, cải thiện nội dung, tối ưu quy trình, nâng cấp thiết kế.

Mô hình chuyển giao (di chuyển mô hình giữa lĩnh vực)

Là bộ chuyển đổi mô hình phân tích cấu trúc và nguyên lý của đối tượng cũ để áp dụng vào đối tượng mới, tạo ra phương án mới.

Ứng dụng: Áp dụng mô hình thành công từ lĩnh vực A sang lĩnh vực B. Ví dụ: áp dụng cơ chế trò chơi vào giáo dục, áp dụng logic đề xuất thương mại vào phân phối nội dung.

Mô hình xây dựng (tạo mới từ không có gì)

Là bộ dẫn đường không gian khả năng, phân rã hai khái niệm thành các chiều cơ bản, tạo ma trận chiều, chọn ngẫu nhiên các chiều không liên quan để liên kết, thúc đẩy khả năng phát triển (đánh giá khoảng cách logic, tạo cụm khả năng, phát hiện vùng chưa khám phá). Xuất ra những khả năng tiềm năng, mạo hiểm, bị bỏ quên (sinh ra vài phương án trái ngược常识).

Ứng dụng: Khám phá hướng mới hoàn toàn. Ví dụ: thiết kế sản phẩm mới, mô hình kinh doanh mới, giải pháp công nghệ tiên tiến.

Lớp thứ hai: Khung thực thi

Giao thức tự động hóa dựa trên kiến trúc "mô hình ngôn ngữ lớn + công cụ thực thi lệnh". Không cần khóa bí mật, không cần cấu hình thêm, dùng ngay khi cài đặt.

Luồng bốn bước

Suy nghĩ → Thực thi → Sửa lỗi → Tổng hợp

1. Suy nghĩ — Mô hình ngôn ngữ hiểu mục đích nhiệm vụ, đánh giá độ phức tạp, quyết định tạo lệnh dòng lệnh hay kịch bản Python
2. Thực thi — Ghi tệp → Thực thi lệnh/kịch bản → Bắt đầu đầu ra
3. Sửa lỗi — Khi gặp lỗi, mô hình phân tích, sửa mã, thử lại (tối đa 2 lần)
4. Tổng hợp — Dịch đầu ra kỹ thuật thành ngôn ngữ tự nhiên dễ hiểu cho người dùng

Phạm vi khả năng

Nguyên lý cốt lõi: Công cụ thực thi lệnh có thể chạy kịch bản → Kịch bản có thể thực hiện mọi nhiệm vụ lập trình.

Cơ chế bảo mật